Przejdź do głównej treści
Polski— Wybierz język
Menu

Łączenie edycji i rozszerzania

Lekcja 9 z 12 Zaktualizowano 3 listopada 2026 Średnio zaawansowani
Na tej stronie
  1. Zaawansowane potoki produkcyjne
  2. Potok 1: 15-sekundowa promocja produktu
  3. Potok 2: Pięć treści, jeden styl
  4. Potok 3: Wyprowadzanie wariantów z wideo
  5. Odporność łańcucha na awarie
  6. Kluczowe wnioski

Zaktualizowano 2 listopada 2026 r. Na podstawie dokumentacji API wideo xAI: obraz źródłowy umieszczasz w obiekcie image, a wideo do edycji lub rozszerzenia w obiekcie video ({"url": ...}), zarówno przy rozszerzaniu, jak i edycji. Źródła: Rozszerzanie wideo · Referencje wideo.

Zaawansowane potoki produkcyjne

Używane osobno, każde z punktów końcowych ma swoje ograniczenia: generowanie kończy się na 15 sekundach, edycja na 8,7 sekundy materiału źródłowego, a rozszerzanie na dodaniu 10 sekund. Połączone tworzą potoki produkcyjne, które znacznie przekraczają te granice i, co kluczowe, dają ci punkt kontrolny po każdym segmencie. Ta lekcja omawia trzy rzeczywiste scenariusze potoków – od klipów produktowych po warianty stylistyczne – oraz sposób, w jaki uczynić je niezawodnymi.

Potok 1: 15-sekundowa promocja produktu

Scenariusz jest klasyczny: masz zdjęcie smartfona i musisz dostarczyć 15-sekundowy film promocyjny. Potok budujesz z trzech 5-sekundowych segmentów, walidując każdy z nich przed przejściem do kolejnego.

Pierwszy segment animuje zdjęcie produktu – obrót, gra refleksów – wykorzystując metodę obraz-do-wideo omówioną w poprzedniej sekcji.

{
  "model": "grok-imagine-video",
  "prompt": "Elegant rotation of the smartphone on a dark background, light reflections on the screen",
  "image": {"url": "https://exemple.com/smartphone.jpg"},
  "duration": 5,
  "aspect_ratio": "16:9",
  "resolution": "720p"
}

Drugi segment rozszerza ten ujęcie, zbliżając kamerę do ekranu, ponownie wykorzystując URL uzyskany w poprzednim kroku.

{
  "model": "grok-imagine-video",
  "prompt": "Progressive zoom towards the smartphone screen turning on, displaying a colorful interface",
  "video": {"url": "{url_video_etape_1}"},
  "duration": 5
}

Trzeci segment zamyka sekwencję szerokim ujęciem, startując tym razem z wyniku drugiego segmentu.

{
  "model": "grok-imagine-video",
  "prompt": "Zoom out revealing the smartphone placed on a design desk, soft light, slight background blur",
  "video": {"url": "{url_video_etape_2}"},
  "duration": 5
}

Otrzymujesz 15 sekund nowego contentu. Przy cenie $0,05 za sekundę dla modelu grok-imagine-video, koszt wyniesie około $0,75 (bez iteracji), jeśli każdy segment jest rozliczany zgodnie ze swoim czasem trwania. Rzeczywisty koszt każdego kroku pojawia się w polu usage.cost_in_usd_ticks w wyniku: zweryfikuj to na testowym potoku przed zaplanowaniem budżetu dla serii.

Potok 2: Pięć treści, jeden styl

Inna sytuacja, inna logika: musisz wyprodukować pięć 5-sekundowych wideo do kampanii w mediach społecznościowych, zachowując spójny styl wizualny. Tutaj łańcuchowanie nie strukturyzuje pracy; robią to obrazy referencyjne, identyczne dla wszystkich generacji. Pięć promptów opisuje różne sceny; styl pozostaje spójny dzięki tym samym dwóm wizualizacjom.

references = [
    {"url": "https://exemple.com/style-campagne-1.jpg"},
    {"url": "https://exemple.com/style-campagne-2.jpg"}
]

prompts = [
    "Coffee pouring into a white ceramic cup, rising steam",
    "Hands typing on a keyboard, blurred screen in background",
    "An open notebook with a pen writing, natural light",
    "A green plant growing in timelapse in a clay pot",
    "A book whose pages turn in the wind on a terrace"
]

for prompt in prompts:
    resp = httpx.post(
        "https://api.x.ai/v1/videos/generations",
        headers=headers,
        json={
            "model": "grok-imagine-video",
            "prompt": prompt,
            "reference_images": references,
            "duration": 5,
            "aspect_ratio": "9:16",
            "resolution": "720p"
        }
    )

Pięć klipów po 5 sekund to koszt $1,25. Zwróć uwagę na format 9:16 zastosowany we wszystkich żądaniach: w przypadku kampanii pionowej to właśnie taki przeoczenie kosztuje konieczność pełnego regenerowania materiałów.

Potok 3: Wyprowadzanie wariantów z wideo

Trzeci schemat niczego nie łańcuchuje: stosuje kilka różnych edycji równolegle do tego samego wideo źródłowego. W ten sposób otrzymujesz cztery wersje tego samego klipu, które możesz wykorzystać do testów A/B lub dystrybucji na platformach o odmiennych tożsamościach.

video_source = "https://exemple.com/video-base.mp4"

variations = [
    "Cinematic black and white style, film grain",
    "Pop art saturated colors, strong contrasts",
    "Night ambiance, purple and blue neon lights",
    "Watercolor style, soft outlines and washed colors"
]

for variation in variations:
    resp = httpx.post(
        "https://api.x.ai/v1/videos/edits",
        headers=headers,
        json={
            "model": "grok-imagine-video",
            "prompt": variation,
            "video": {"url": video_source}
        }
    )

Te trzy potoki wykorzystują cztery punkty końcowe, podsumowane poniżej.

Punkt końcowyMetodaWejścieWyjścieMaks. czas trwania
/v1/videos/generationsPOSTPrompt + opcjeNowe wideo1-15 s
/v1/videos/editsPOSTWideo + promptZmodyfikowane wideoŹródło do 8,7 s
/v1/videos/extensionsPOSTWideo + promptRozszerzone wideo+2 do 10 s, źródło do 15 s
/v1/videos/{id}GETrequest_idStatus + URL-

Odporność łańcucha na awarie

Gdy tylko zaczniesz łańcuchować operacje, prawdopodobieństwo awarii przynajmniej jednego elementu staje się znaczące, a błąd na trzecim ogniwie powoduje utratę pierwszych dwóch, jeśli nie przewidziano zabezpieczeń. Poniższa funkcja opakowuje każdy krok w pętlę ponawiania prób i przechodzi do następnego etapu dopiero po uzyskaniu URL.

async def pipeline_with_retry(steps, max_retries=2):
    video_url = None
    for i, step in enumerate(steps):
        for attempt in range(max_retries + 1):
            try:
                if step["type"] == "generation":
                    result = await generate_video(step["params"])
                elif step["type"] == "extension":
                    step["params"]["video"] = {"url": video_url}
                    result = await extend_video(step["params"])
                elif step["type"] == "edition":
                    step["params"]["video"] = {"url": video_url}
                    result = await edit_video(step["params"])

                video_url = await wait_for_result(result["request_id"])
                break
            except Exception as e:
                if attempt == max_retries:
                    raise Exception(f"Step {i+1} failed: {e}")
                await asyncio.sleep(10)
    return video_url

Wokół tego szkieletu pięć nawyków decyduje o różnicy między prototypem a usługą. Pobieraj wynik na każdym etapie, ponieważ URL-e są tymczasowe, a odzyskanie się po incydencie wymaga posiadania wersji pośrednich. Wizualnie waliduj każdy segment przed przejściem do następnego, w przeciwnym razie zapłacisz za trzy generacje, tylko by odkryć, że pierwsza nie była odpowiednia. Obsługuj błędy, stosując próby oddzielone wykładniczym opóźnieniem (exponential backoff). Oblicz pełny budżet przed uruchomieniem długiego łańcucha, uwzględniając prawdopodobne iteracje. I paralelizuj to, co możesz: w potoku 2 i potoku 3 żadna generacja nie zależy od innej, więc mogą one działać jednocześnie.

Cennik zweryfikowany 3 listopada 2026 r. – ceny zmieniają się regularnie: przed jakimkolwiek obliczeniem budżetu sprawdź aktualne stawki na oficjalnej stronie modeli i cennika xAI.

Kluczowe wnioski

  • Trzy punkty końcowe (generowanie, edycja, rozszerzanie) łączą się w potoki
  • Obrazy referencyjne zapewniają spójność stylistyczną across wielu wideo
  • Iteracyjna edycja pozwala wyprowadzić z jednego wideo kilka wersji
  • Pobieraj wyniki pośrednie i obsługuj błędy na każdym etapie
  • Oblicz całkowity budżet przed uruchomieniem złożonych potoków